偏导数
偏导数(Partial Derivative)
- 定义
- 依赖深度 layer 16
- 分析学
- 多元微分
def.partial-derivative · 定义 · 微积分 · 多元
陈述
设 是开集,,。 在 处关于第 个变元的偏导数是(若该极限存在)
其中 是第 个标准基向量。也就是说,只让第 个坐标动,其余固定,就是一个一元导数。
高阶偏导写成 ( 是多重指标,)。
说明
⚠ 偏导数存在什么也保证不了:(原点补 )在原点两个偏导都存在(都等于 ),但沿 趋近时 —— 它连连续都不成立。
⭐ 病根是一个不对称:偏导存在是 个一维条件,而可微(def.total-differential)是一个 维条件。一维条件再多也堆不出 维结论。
⭐ 反过来,(偏导存在且连续)就足以推出可微 —— 这条是实践中最常用的充分条件,证明见 def.total-differential 的说明。
⭐ 在 这种「坐标里长出来的空间」上偏导是免费的;到了流形或 Banach 空间上,「坐标」本身要先花力气造出来,那时才有方向导数与可微性的讨论。
它指向谁(出边)
推出 1
-
一元中值定理用两次 混合偏导可交换
化归到 :只需证 ,其中 。取 使小方块 落在假设的邻域里。定义二阶差分
按第一种顺序:令 。则 。对 用一维中值定理,存在 使
再对 用一次一维中值定理,存在 使
按第二种顺序:对称地(令 )得到存在 、 使
取极限:两式相除 得
令 :此时 、,由两个混合偏导在 处连续,两边分别趋于 与 ,故两者相等。∎
⚠ 连续性只用在最后一步(取极限)。这也解释了为什么去掉连续性就有反例 —— 中间那两个点 与 不同,没有连续性就没法把两个不同的点上的值拉到一起。
定义引用 2
-
方向导数是偏导的推广(取方向为任意向量 而不是坐标向量 )。
-
Hessian 的元素是二阶偏导 。
谁指向它(入边)
定义引用 1
-
偏导数就是一个一元导数:把其余坐标固定,只对第 个坐标求导。
参考
- Rudin, Principles of Mathematical Analysis, Ch. 9
- Spivak, Calculus on Manifolds, Ch. 2
同一星团的其他概念 25 个
- 赋范空间layer 9
- 梯度layer 11
- 浸入 / 淹没 / 嵌入layer 12
- 压缩映射layer 14
- Banach 空间layer 15
- 压缩映射原理layer 15
- 方向导数layer 17
- Hessian 矩阵layer 17
- 可微与全微分layer 18
- Jacobi 矩阵layer 19
- 多元链式法则layer 20
- 多元中值定理layer 22
- 混合偏导相等layer 22
- 逆映射定理layer 23
- 多元 Taylor 公式layer 23
- 隐函数定理layer 24
- 逆映射定理(Banach 版)layer 24
- Morse 引理layer 24
- Sard 定理layer 24
- 极值判别(Hessian 判据)layer 24
- 常秩定理layer 25
- 隐函数定理(Banach 版)layer 25
- 正则值原像定理layer 25
- Lagrange 乘子法layer 26